24、3D CNN在体育手势识别中的应用

3D CNN在体育手势识别中的应用

在视频动作识别领域，3D CNN发挥着重要作用，尤其是在体育手势识别方面。下面将介绍相关的数据集以及一种名为TSTCNN的解决方案。

野外数据集

“野外”数据集意味着视频来自不同的来源，可能由专业人士或业余爱好者录制。这些视频可能包含相机运动、强烈模糊、遮挡等，增加了动作识别的难度，但也包含了大量背景信息，可用于训练分类模型。

• UCF数据集
  • UCF - Sports ：包含来自九个不同体育项目的各种序列，如“跳水”“高尔夫挥杆”等，共10个类别。最初有200个序列，后来减少到150个，图像分辨率为740×480，帧率为10 fps。
  • UCF11（UCF YouTube Action） ：由在线视频平台YouTube的1160个视频组成，包含11个类别。
  • UCF50 ：是UCF11的扩展，共有50个动作类别。
  • UCF101 ：包含101个动作类别，可分为五个领域，如“人与物体交互”“仅身体运动”等。从2500个“野外”视频中构建，提取了13,320个剪辑，每个类别至少有101个剪辑。该数据集广泛应用于科学界，并催生了2013 - 2015年的THUMOS挑战。
• Kinetics数据集 ：包括Kinetics - 400、Kinetics - 6